马尔卡夫链的介绍.docVIP

非线性时间序列与马尔可夫链 非线性时间序列浅释……………………2 从线性到非线性自回归模型的差异 线性时间序列定义的多样性 第二章. 非线性时间序列模型……………………6 1. 概述 2. 非线性自回归模型 3. 带条件异方差的自回归模型 第三章. 马尔可夫链---描述AR模型的特性…..12 马尔可夫链 2. AR模型所确定的马尔可夫链 若干例子 第四章. 统计建模方法…………………………..29 1. 概论 2. 线性性检验 3. AR模型参数估计 AR模型阶数估计 第五章. 实例和展望…………………………….46 1. 实例 展望 参考文献…………………………………………50 非线性时间序列浅释 1. 从线性到非线性自回归模型的差异 时间序列{xt}是一串随机变量序列, 它有广泛的实 际背景, 特别是在经济与金融领域中尤其显著. 关于它们的线性与非线性概念, 可用以下的例子作些简单的解释. 考察一阶线性自回归模型---LAR(1): xt=(xt-1+et, t=1,2,… (1.1) 其中{et}为i.i.d.序列，且Eet=0, Eet=(2(, et与{xt-1,xt-2,…}独立. 使用(1.1)式, 递推可得 xt=(xt-1+et= et + (xt-1 = et + ({ et-1 + (xt-2} = et + (et-1 + (2 xt-2 =… =et+(et-1+(2et-2+…+(n-1et-n+1+(nxt-n. (1.2) 当|(|1时, 不难论证 (nxt-n ( 0, (1.3) {et+(et-1+(2et-2+…+(n-1et-n+1}((j=0( (jet-j. (1.4) 于是模型LAR(1)有平稳解, 且可表达为 xt=(j=0((jet-j. (1.5) 可见, 求LAR(1)模型解的方法是很简便的. 而且, 还容易推广到p 阶LAR(p)模型. 为此考察如下的p阶线性自回归模型LAR(p): xt=(1xt-1+(2xt-2+...+(pxt-p+et, t=1,2,… (1.6) 其中{et}为i.i.d.序列，且Eet=0, Eet=(2(, et与{xt-1, xt-2,…}独立. 虽然, 反复使用(1.6)式, 仍然可得到(1.2)式的类似结果, 但是, 用扩张后的多元AR(1)模型求解时, 则显示出与LAR(1)模型求解的步骤完全相似. 为此记 Xt=, U=, A=, (1.7) 于是(1.6)式可写成如下的等价形式: Xt=A Xt-1+ etU. (1.8) 仿照(1.2)式, 反复使用此式, 递推可得 Xt=AXt-1+etU = etU+ et-1AU+A2xt-2=( =etU+et-1AU+et-2A2U+…+et-n+1An-1U+Anxt-n. (1.9) 如果矩阵A的谱半径(A的特征值的最大模)((A), 满足((A)1, 上式启发我们, (1.8)式有如下的解: Xt=(k=0(AkUet-k. (1.10) 其中向量Xt的第一分量xt形成的序列{xt}, 就是模型(1.6)式的解. 由此不难看出, 它有以下表达方式 xt=(k=0((ket-k. (1.11) 其中系数(k由(1.6)式的(1,(2, ... ,(p确定, 细节从略, 此外, (1.11)式给了人们一点启发, 即考虑形如 xt=(k=0((ket-k, (k=0((k2 ( (, (1.12) 的时间序列, 其中系数(k能保证(1.12)式中的xt有定义. 在文献中, 这样的{xt}被称为线性时间序列. 虽然这里给出了线性时间序列的定义, 但是, 我们暂时不去定义非线性时间序列, 先讨论一阶非线性自回归模型---NLAR(1), 并与线性LAR(1)模型进行比较. 首先写出NLAR(1)模型如下 xt=((xt-1)+et, t=1,2,… (1.13) 其中{et}为i.i.d.序列，且Eet=0, Eet=(2(, et与{xt-1, xt-2,…}独立, 这些假定与LAR(1)模型相同, 但是, ((xt-1)是xt-1非线性函数, 比如((xt-1)=xt-1/{a+bxt-12}. 此时虽然仍可反复使用(1.13)式, 进行递推, 但是所得结果是 xt=( (xt-1) +et= et+ ( (xt-1) = et+